复合材料缠绕接头几种受力状态的解析分析

针对复合材料缠绕接头,利用Airy 应力函数,推导出与其相关的缠绕圆筒受内外压力的应力解析表达式,进而对缠绕圆拱形梁受弯矩以及受均匀拉伸载荷、不同材质复合材料多层缠绕圆筒承受内外压力的应力分析方法进行了研究。文中讨论了接头内圆弧处应力集中系数随外/内径比值和环向/径向弹性模量比值的增加情况,并对复合材料缠绕接头的两种增强方法,即施加预应力或混杂材质缠绕进行了探讨     

求解大型非对称线性方程组的拟最小残量IOM（q）算法

不完全正交化算法（IOM（q））由于存储量和计算量小，常用来求解大非对称线性方程组。而此方法收敛过程常出现不规划振荡现象，从而影响了收敛速度。本文将拟残量最小的化性质加到IMO（q）算法中，提出拟最小残量不完全正交化算法（QMRIOM（q），这样收敛曲线光滑无振荡，从而大大加快其收敛速度，而且保留其存储量和计算量小的性质。     

含连续／离散变量结构优化中的神经网络与变尺度模拟退火方法

传统的优化方法难于有效地处理含有连续／离散混合变量优化问题，本文介绍了一种改进的变尺度模拟退火方法并与人工神经网络能量函数模型相结合，用于求解含连续／离散设计变量的工程结构优化问题，较好地解决了模拟退火技术用于工程结构优化时选取具有全局性的初始点困难及迭代次数较多的弱点。算例表明，该方法可以使模拟退火算法从局部最优的陷阱中跳出，最后求出整体最优解。     

非接触光测物体大位移研究

提出了一种非接触光学法－单光栅双图像法测量物体位移的新技术，利用两个正交的图像记录系统，在试件作大位移后，记录被平行多光束照射形成的光点所覆盖的试件的图像，借助于记录光路系统几何表数，可建立一联立方程组。解此方程组，就可得到被测物体上诸光点所表示的测点的位移大小和坐标值，文中还论述了度件图上测点位置的确定和修正方法，导出了被测物休图像负片上测点的实际坐标的计算公式，实验结果证明，本文提出的测量理论是正确的。     

Euler方程无网格算法及布点技术

研究了Bitina的显式无网格算法。在该算法的基础上,给出了Euler方程无网格离散形式,运用RungeKutta显式时间推进格式推进求解。文中的耗散项采用了与非结构网格上类似的守恒型耗散算子,边界条件的处理借鉴了结构化网格处理技术。此外,本文还描述了一种区域离散布点方法,研究了点云生成的选点准则,并成功地数值模拟了二维翼型的典型绕流。     

圆环压缩的刚塑性有限元分析与应用

本文采用刚塑性有限元法分析圆环压缩,并与上限法分析和试验结果进行比较。结果表明,采用这种方法可以计算标定曲线,计算各种润滑剂的摩擦因素和压缩状态下材料的应力应变曲线,模拟圆环的变形和摩擦面的正压力分布。 本文还通过试验,求得四种高温润滑的摩擦因素和Ti-6Al-4V在不同条件下的应力应变曲线。     

飞机座舱压力的控制与测量

本文通过可控性分析和可观察性分析指出,现有的座舱压力控制系统不是状态完全可控制的,因而不是好的方法。本文提出一种新的控制测量方案,采用压力变化速率控制系统和压力测量系统。它是状态完全可控和状态完全可观察的。此外它还有另外两个优点,因而是一个好的方案。     

悬挂发射装置的总体设计方法研究

以高压气体作为弹射能源为思路，研究了悬挂发射装置的动作过程和运动规律，提出了一套新型悬挂发射装置的设计方法。对近年来逐步发展的现代设计方法如何在悬挂发射装置设计中推广应用，指导新型悬挂发射装置研制的全过程作了阐述。本文考虑多种因素的影响，应用变质量系统的能量方程和牛顿第二定律建立气压传动装置的数学模型；将拉氏方法和机构动力学引入弹射机构装置的数学建模中，在求解考虑管壁摩擦和截面积变化的准一维非定常流守恒型方程组时采用算子分裂技巧来构造差分格式，本文将小波分析中奇异性检测理论应用到结构优化，对基于系统仿真技术的动力学参数，结构尺寸，气源参数和导弹重量等进行多目标全面优化，将小波分析中非线笥浮动阈值去噪理论应用到含噪试验的数据处理中，取得比传统降噪滤波及一般的小波和小波包逆变换重建信号更好的效果；将模糊数学理论应用到系统的可靠性分析和综合评判中，可以更好地完善系统的设计方案，运用弹射投放性能测试技术对悬挂发射装置的设计方案进行了试验验证。     

圆柱形弹性壳液耦合系统模态的有限元法分析

本文针对圆柱形盛液容器受高频激振产生低频大幅重力波的现象,用有限元法对圆柱形弹性壳体及壳液耦合系统进行了模态分析,得到了壳液耦合系统的主要振型;用有限元法分析所得的模态结果与实验现象及实验模态分析结果有较好的吻合,进一步验证了实验结论的可靠性。     

计算大型实对称特征问题的 Lanczos-QR 算法

为了计算大型实对称特征值问题Ｋｘ＝λＭｘ的少数低阶特征值对,本文给出Ｌａｎｃｚｏｓ－ＱＲ迭代方法。首先,给定初始迭代向量ｖ１,作ｍ步Ｌａｎｃｚｏｓ分解：ＫＶｍ＝ＭＶｍＴｍ＋ｈｍｅｍＴ。取Ｔｍ的ｄ个最大特征值为移位量,对Ｔｍ进行ｄ步带原点位移的ＱＲ分解。然后,修改初始迭代向量ｖ１。迭代地重新开始这一过程,迫使初始迭代向量ｖ１进入需求的特征子空间,从而使残量‖Ｋｘ－θＭｘ‖→０。数值例子表明,该方法收敛性强,且稳定、有效。